近几年来,计算机技术和互联网技术迅猛发展,与此同时,数码相机、手机摄像头等电子产品也越来越普及,再加上旅游变得更加方便和便宜,每天都有大量的网民将自己拍摄或看到的有意义的图片发布或共享在互联网上,关于地标的图片资源与日剧增。据统计,Facebook图片数去年10月已超过百亿张。面对如此丰富资源,越来越多的计算机视觉研究者将研究重点转向了基于互联网范围图片的检索。一般根据检索方式的不同,图片检索可分为两种,即基于文本的图片检索和基于内容的图片检索。基于文本的图片检索系统利用文本描述的方式描述图像的特征,一般会使用比较多的人工标注工作,再利用数据库等存储标注信息并建立图片和标注的索引,以便进行检索。到了九十年代后,出现了基于内容的图片检索技术,该技术通过图片本身的可视化内容来进行索引。现有的基于图片内容检索主要应用图片的物理特征进行,如：颜色、形状、纹理等。本文仔细研究图片检索的理论和方法,重点研究图片检索的实现过程和主要算法。通过研究学习现有的算法,论文提出基于图片物理特征及文本标注相结合的TASPT (Bind of Text Annotation and Spatial Pyramid Transform)算法。该算法在设置图片集、训练和计算地标图片相似度等几个步骤中使用了文本标注和索引的方法,协助图片的采集和检索。本文在计算地标图片相似度时使用了空间分层变换的方法与文本校正相结合,在速度和准确性方面得到了一定的提高。文章TASPT建立地标图片检索系统,根据相似度对目标图片进行排序,并返回结果图。本文对此系统进行多组实验,并根据实验数据和结果在系统性能方面进行详细的分析,最终得到相应的结论。